解释变量：是用来解释作为研究对象的变量（即因变量）为什么变动、如何变动的变量它对因变量的变动做出解释，表现为方程所描述的因果关系中的“因” 被解释变量：是作为研究对象的变量。它的变动是由解释变量做出解释的，表现为方程所描述的因果关系的果。 内生变量：是由模型系统内部因素所决定的变量，表现为具有一定概率分布的随机变量，是模型求解的结果。外生变量：是由模型系统之外的因素决定的变量，表现为非随机变量。它影响模型中的内生变量，其数值在模型求解之前就已经确定。 滞后变量：是滞后内生变量和滞后外生变量的合称，前期的内生变量称为滞后内生变量；前期的外生变量称为滞后外生变量。前定变量：通常将外生变量和滞后变量合称为前定变量，即是在模型求解以前已经确定或需要确定的变量。 控制变量：在计量经济模型中人为设置的反映政策要求、决策者意愿、经济系统运行条件和状态等方面的变量，它一般属于外生变量。经济变量：用来描述经济因素数量水平的指标。 样本决定系数：回归平方和在总变差中所占的比重。拟合优度：样本回归直线与样本观测数据之间的拟合程度。残差：样本回归方程的拟合值与观测值的误差称为回归残差。 显著性检验：利用样本结果，来证实一个虚拟假设的真伪的一种检验程序。 回归变差：ESS,表示由回归直线（即解释变量）所解释的部分，表示x对y的线性影响。 剩余变差：RSS，是未被回归直线解释的部分，是由解释变量以外的因素造成的影响。 多重决定系数：在多元线性回归模型中，回归平方和与总离差平方和的比值，也就是在被解释变量的总变差中能由解释变量所解释的那部分变差的比重，我们称之为多重决定系数，仍用R2表示。调整后的决定系数：又称修正后的决定系数，记为，是为了克服多重决定系数会随着解释变量的增加而增大的缺陷提出来的，其公式为。其作用有：（1）用自由度调整后，可以消除拟合优度评价中解释变量多少对决定系数计算的影响（2）对于包含解释变量个数不同的模型，可以用调整后的决定系数直接比较它们的拟合优度的高低，但不能用原来

未调整的决定系数来比较。 异方差性：在线性回归模型中，如果随机误差项的方差不是常数，即对不同的解释变量观测值彼此不同，则称随机项 具有异方差性。 多重共线性：是指解释变量之间存在完全或不完全的线性关系。方差膨胀因子：是指解释变量之间存在多重共线性时的方差与不存在多重共线性时的方差之比。 识别：就是指是否能从简化式模型参数估计值中推导出结构式模型的参数估计值。不可识别：是指无法从简化式模型参数估计值中推导出结构式模型的参数估计值。 识别的阶条件：如果一个方程能被识别，那么这个方程不包含的变量的总数应大于或等于模型系统中方程个数减1。识别的秩条件：一个方程可识别的充分必要条件是：所有不包含在这个方程中的参数矩阵的秩为m-1。 联立方程的变量主要包括内生变量、外生变量和前定变量。联立方程模型中方程有：行为方程式；技术方程式；制度方程式；平衡方程（或均衡条件）；定义方程（或恒等式） 异方差的检验方法：（1）图示检验法（2）戈德菲尔德—匡特检验（3）white检验；（1分）

（4）戈里瑟检验和帕克检验（残差回归检验法）（5）ARCH检验（自回归条件异方差检验）。. 异方差性产生原因：（1）模型中遗漏了某些解释变量；（2）模型函数形式的设定误差；（3）样本数据的测量误差；（4）随机因素的影响。对模型的ols估计产生的影响：（1）不影响模型参数最小二乘估计值的无偏性；（2）参数的最小二乘估计量不是一个有效的估计量；（3）对模型参数估计值的显著性检验失效；（4）模型估计式的代表性降低，预测精度精度降低。 异方差性解决方法：（1）模型变换法；（2）加权最小二乘法；（3）模型的对数变换等。 计量经济模型的应用：①结构分析②经济预测③政策评价④检验和发展经济理论 简述建立与应用计量经济模型的主要步骤①根据经济理论建立计量经济模型②样本数据的收集③估计参数④模型的检验⑤计量经济模型的应用。

多元线性回归模型的古典假定：随机扰动项正态性假定、无自相关假定、同方差假定、与解释变量不相关，解释变量间无完全多重共线性。 工具变量：用于处理解释变量与随机扰动项相关的问题，需满足三个条件：与要替代的变量高度相关、与随机扰动项不相关、与模型中其他的解释变量无严重共线性。选择必须条件（1）工具变量与模型中的随机解释变量高度相关（2）工具变量与模型的随机误差项不相关。 虚拟变量：用于在模型中反映定性因素，一般情况下，取值为0和1，取值为1表示某种状态存在，取值为0表示某种状态不存在。虚拟解释变量设置的规则：对于M个状态的定性因素，无截距项模型需要引入M个虚拟变量。有截距项的模型，需要引入M-1个虚拟变量，否则出现虚拟变量陷阱。为什么要引入虚拟变量？在现实生活中，影响经济问题的因素除具有数量特征的变量外，还有一类变量，这类变量所反映的并不是数量而是现象的某些属性或特征，即它们反映的是现象的质的特征。这些因素还很可能是重要的影响因素，这时就需要在模型中引入这类变量。引入的方式就是以虚拟变量的形式引入。引入的方式及每种方式的作用是：（1）加法方式：其作用是改变了模型的截距水平（2）乘法方式：其作用在于两个模型间的比较、因素间的交互影响分析和提高模型的描述精度（3）一般方式：即影响模型的截距有影响模型的斜率。引入的作用（1）可以描述和测量定性因素的影响；（2）能够正确反映经济变量之间的关系，提高模型的精度（3）便于处理异常数据。 自相关性产生的原因：（1）经济变量惯性的作用引起随机误差项自相关；（2）经济行为的滞后性引起随机误差项自相关； (3)一些随机因素的干扰或影响引起随机误差项自相关；（4）模型设定误差引起随机误差项自相关；（5）观测数据处理引起随机误差项自相关。 计量经济模型的检验：①经济意义检②统计准则检验③计量经济学准则检验④模型预测检验 计量经济学应用的数据分类：①时间序列数据②横截面数据③混合数据④虚拟变量数据。 为什么会存在随机误差项：随机误差项是计量经济模型中不可缺少的一部分。产生随机误差

项的原因有以下几个方面：①模型中被忽略掉的影响因素造成的误差②模型关系认定不准确造成的误差；③变量的测量误差；④随机因素。 古典线性回归模型的基本假定：①零均值假定。即在给定xt的条件下，随机误差项的数学期望（均值）为0，即 。②同方差假定。误差项 的方差与t无关，为一个常数。③无自相关假定。即不同的误差项相互独立。④解释变量与随机误差项不相关假定。⑤正态性假定，即假定误差项 服从均值为0，方差为 的正态分布。 总体回归模型与样本回归模型的区别与联系主要区别：①描述的对象不同。总体回归模型描述总体中变量y与x的相互关系，而样本回归模型描述所观测的样本中变量y与x的相互关系。②建立模型的不同。总体回归模型是依据总体全部观测资料建立的，样本回归模型是依据样本观测资料建立的。③模型性质不同。总体回归模型不是随机模型，样本回归模型是随机模型，它随着样本的改变而改变。主要联系：样本回归模型是总体回归模型的一个估计式，之所以建立样本回归模型，目的是用来估计总体回归模型。 回归分析与相关分析的联系和区别联系：①相关分析是回归分析的前提和基础；回归分析是相关分析的深入和继续。②相关分析与回归分析的有关指标之间存在计算上的内在联系。 区别：①回归分析强调因果关系，相关分析不关心因果关系，所研究的两个变量是对等的。②对两个变量x与y而言，相关分析中： ；在回归分析中， 和 却是两个完全不同的回归方程。③回归分析对资料的要求是被解释变量y是随机变量，解释变量x是非随机变量；相关分析对资料的要求是两个变量都随机变量。 序列相关性的后果（1）模型参数估计值不具有最优性（2）随机误差项的方差一般会低估；

（3）模型的统计检验失效；（4）区间估计和预测区间的精度降低。 序列相关性的几种检验方法：（1）图示法；（2）D-W检验；（3）回归检验法（4）另外，偏相关系数检验，布罗斯—戈弗雷检验或拉格朗日乘数检验都可以用来检验高阶序列相关。

对于多元线性回归模型，为何在进行了总体显著性F检验之后，还要对每个回归系数进行是否为0的t检验？多元线性回归模总体显著性F检验是检验模型中全部解释变量对被解释变量的共同影响是否显著。通过了此F检验，就可以说模型中的全部解释变量对被解释变量的共同影响是显著的，但却不能就此判定模型中的每一个解释变量对被解释变量的影响都是显著的。因此还需要就每个解释变量对被解释变量的影响是否显著进行检验，即进行t检验。 简述模型随机扰动项自相关导致的后果对参数估计的影响：参数估计值的方差被低估。对模型检验的影响：t检验和F检验失效。对模型预测的影响：置信区间不可靠，降低预测精度。 在多元线性回归分析中，为什么用修正的决定系数衡量估计模型对样本观测值的拟合优度？ 因为人们发现随着模型中解释变量的增多，多重决定系数 的值往往会变大，从而增加了模型的解释功能。这样就使得人们认为要使模型拟合得好，就必须增加解释变量。但是，在样本容量一定的情况下，增加解释变量必定使得待估参数的个数增加，从而损失自由度，而实际中如果引入的解释变量并非必要的话可能会产生很多问题，比如，降低预测精确度、引起多重共线性等等。为此用修正的决定系数来估计模型对样本观测值的拟合优度。 常见的非线性回归模型有(1)对数模型

(2) 半对数模型

(3) 倒数模型

(4) 多项式模型

(5) 成长曲线模型包括逻辑成长曲线模型 和Gompertz成长曲线模型

简述DW检验的局限性。从判断准则中看到，DW检验存在两个主要的局限性：首先，存在一个不能确定的 值区域，这是这种检验方法的一大缺陷。其次： 检验只能检验一阶自相关。但在实际计量经济学问题中，一阶自相关是出现最多的一类序列相关，而且经验表明，

如果不存在一阶自相关，一般也不存在高阶序列相关。所以在实际应用中，对于序列相关问题—般只进行DjVu检验。 简述什么是虚假序列相关，如何避免？数据表现出序列相关，而事实上并不存在序列相关。要避免虚假序列相关，就应在做定量分析之间先进行定性分析，看从理论上或经验上是否有存在序列相关的可能，可能性是多大。 多重共线性是指解释变量之间存在完全或近似的线性关系。产生多重共线性主要有下述原因：

（1）样本数据的采集是被动的，只能在一个有限的范围内得到观察值，无法进行重复试验。

（2）经济变量的共同趋势（3）滞后变量的引入（4）模型的解释变量选择不当。 判断计量经济模型优劣的基本原则（1）模型应力求简单；（2）模型具有可识别性（3）模型具有较高的拟合优度；（4）模型应与理论相一致；（5）模型具有较好的超样本功能。 模型设定误差的类型有（1）模型中添加了无关的解释变量；（2）模型中遗漏了重要的解释变量；（3）模型使用了不恰当的形式。 设定误差产生的主要原因：（1）模型的制定者不熟悉相应的理论知识；（2）对经济问题本身认识不够或不熟悉前人的相关工作；（3）模型制定者缺乏相关变量的数据；（4）解释变量无法测量或数据本身存在测量误差。 直接用最小二乘法估计有限分布滞后模型的有：（1）损失自由度（2）产生多重共线性（3）滞后长度难确定的问题 因变量受其自身或其他经济变量前期水平的影响，称为滞后现象。其原因包括：（1）经济变量自身的原因；（2）决策者心理上的原因；（3）技术上的原因；（4）制度的原因。

koyck模型的特点包括：（1）模型中的λ称为分布滞后衰退率，λ越小，衰退速度越快；（2）模型的长期影响乘数为b0·;（3）模型仅包括两个解释变量，避免了多重共线性；（4）模型仅有三个参数，解释了无限分布滞后模型因包含无限个参数无法估计的问题。